1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w finansach z Pythonem
Connected

ćwiczenie

Pomiar wydajności modelu

Skoro sieć neuronowa jest już wytrenowana, czas sprawdzić jej wydajność i zobaczyć, jak dobrze przewiduje nowe wartości. W przeciwieństwie do modeli sklearn, nie ma tu wbudowanej metody .score(), dlatego skorzystamy z funkcji r2_score() z modułu sklearn.metrics. Oblicza ona współczynnik R\(^2\) na podstawie argumentów (y_true, y_predicted). Na koniec ponownie narysujemy wykres prognoz względem wartości rzeczywistych. Wkrótce da to ciekawe rezultaty – gdy zaimplementujemy własną funkcję straty.

Instrukcje

100 XP
  • Uzyskaj prognozy z modelu model_1 na podstawie danych ze skalowanego zbioru testowego (scaled_test_features i test_targets).
  • Wyświetl wynik R\(^2\) na zbiorze testowym (test_targets i test_preds).
  • Narysuj wykres punktowy test_preds względem test_targets za pomocą plt.scatter().